- Versionshinweise
- Erste Schritte
- Installation
- Hard- und Softwareanforderungen
- Serverinstallation
- Aktualisierung der Lizenz
- Bereitstellen des UiPath Process Mining-Profilers
- Bereitstellen eines Connectors (.mvp)
- Aktualisieren von UiPath Process Mining
- Aktualisieren einer benutzerdefinierten Version einer App oder eines Discovery Accelerators
- Installieren einer Trainingsumgebung
- Konfiguration
- Integrationen
- Authentication
- Working with Apps and Discovery Accelerators
- AppOne-Menüs und -Dashboards
- AppOne-Einrichtung
- Menüs und Dashboards von TemplateOne 1.0.0
- Setup von TemplateOne 1.0.0
- TemplateOne menus and dashboards
- Setup von TemplateOne 2021.4.0
- Purchase-to-Pay Discovery Accelerator-Menüs und -Dashboards
- Einrichtung des Purchase-to-Pay-Discovery-Beschleunigers
- Menüs und Dashboards des Order-to-Cash Discovery Accelerators
- Einrichtung des Order-to-Cash Discovery-Beschleunigers
- Basic Connector for AppOne
- Bereitstellen des einfachen Connectors
- Einführung zu Basic Connector
- Eingabetabellen des Basic Connectors
- Hinzufügen von Tags
- Hinzufügen von Automatisierungsschätzungen
- Hinzufügen von Fälligkeitsdaten
- Hinzufügen von Referenzmodellen
- Einrichten von praktisch umsetzbaren Erkenntnissen
- Festlegen von reduzierbaren Diagrammen
- Verwenden des Ausgabe-Datasets in AppOne
- Output tables of the Basic Connector
- SAP Connectors
- Introduction to SAP Connector
- SAP-Eingabe
- Überprüfen der Daten im SAP Connector
- Hinzufügen von prozessspezifischen Tags zum SAP Connector für AppOne
- Hinzufügen von prozessspezifischen Fälligkeitsdaten zum SAP Connector für AppOne
- Hinzufügen von Automatisierungsschätzungen zum SAP Connector für AppOne
- Hinzufügen von Attributen zum SAP Connector für AppOne
- Hinzufügen von Aktivitäten zum SAP Connector für AppOne
- Hinzufügen von Entitäten zum SAP Connector für AppOne
- SAP Order to Cash Connector für AppOne
- SAP Purchase to Pay Connector für AppOne
- SAP Connector for Purchase to Pay Discovery Accelerator
- SAP Connector für den Order-to-Cash Discovery Accelerator
- Superadmin
- Die Registerkarte Arbeitsbereiche
- Die Registerkarte Entwicklungsdaten
- Die Registerkarte Versionen
- Die Registerkarte Freigegebene Daten
- The Builds tab
- Die Registerkarte Serverdaten
- Die Registerkarte Einstellungen (Settings)
- Die Registerkarte Superadmin-Benutzer
- Die Registerkarte Status
- Die Registerkarte Lizenz
- Erstellen von Releases
- Anzeigen des Verlaufs der Verzweigung
- Creating Apps
- Modules
- Dashboards und Diagramme
- Tabellen und Tabellenelemente
- Anwendungsintegrität
- How to ....
- Rebrand and restyle Apps and Discovery Accelerators
- Verwenden Sie Sharding in Ihren Anwendungen
- Example: Creating a Python Script
- Example: Creating an R Script
- Erstellen Sie ein anonymisiertes Dataset
- Einrichten automatisierter Datenaktualisierungen
- Verwenden Sie eine Zugriffsmatrix, um den rollenbasierten Zugriff auf Daten zu ermöglichen
- Arbeiten mit SQL-Connectors
- Introduction to SQL connectors
- Setting up a SQL connector
- CData Sync extractions
- Running a SQL connector
- Editing transformations
- Freigeben eines SQL-Connectors
- Scheduling data extraction
- Structure of transformations
- Using SQL connectors for released apps
- Generating a cache with scripts
- Setting up a local test environment
- Separate development and production environments
- Nützliche Ressourcen
Process Mining
Example: Creating a Python Script
In diesem Beispiel wird erläutert, wie die UiPath Process Mining- Plattform mit externen Python-Skripten verbunden wird, um die externe Datenverarbeitung zu implementieren.
Ein Python-Skript wird erstellt, das:
- nimmt als Eingabe eine
.CSV
-Datei, die in der Befehlszeile als einziges erforderliches Argument angegeben werden muss. - multipliziert den Wert „Amount “ mit zwei,
- schreibt das Ergebnis in den Standardausgabekanal.
Die generische Skriptdatenquelle erfordert Handler für alle externen Prozesse, die Sie ausführen möchten.
Führen Sie diese Schritte aus, um einen generischen Skripthandler hinzuzufügen.
Schritt |
Aktion |
---|---|
1 |
Gehen Sie zur Registerkarte Superadministrator-Einstellungen. |
2 |
Fügen Sie ein Feld
GenericScriptHandlers mit als Wert ein Objekt mit einem Schlüssel hinzu, „py“, das als Wert den Pfad zu Ihrer ausführbaren Python-Datei hat. Zum Beispiel:
|
3 |
Klicken Sie auf SPEICHERN. |
Beginnen Sie mit der Erstellung eines minimalen Skripts, das noch keine Datenverarbeitung durchführt. Dieses Skript wird verwendet, um zu überprüfen, ob Ihr Python-Setup funktioniert und dass Ihr Skript von der UiPath Process Mining- Plattform aufgerufen wird.
Dieses Beispielskript zeigt, wie eine Ausgabe generiert wird, die im Skriptausführungsprotokoll angezeigt wird, und wie der Exitcode eines Skripts das Verhalten der UiPath Process Mining- Plattform beeinflusst.
Schritt |
Aktion |
---|---|
1 |
Starten Sie in Ihrem bevorzugten Editor eine leere Textdatei. |
2 |
Geben Sie den folgenden Text ein:
Hinweis: Der Befehl
debug(“Hello world!”) ist ein Beispiel dafür, wie der Standardfehlerkanal verwendet wird, um Meldungen auszugeben und die Ausgabe zu debuggen.
|
3 |
Speichern Sie die Textdatei als
script.py .
|
4 |
Laden Sie die
script.py -Datei in Ihren Arbeitsbereich hoch.
|
Dieses Skript gibt nur „Hello world!“ aus. Nachricht. Die Skriptschnittstelle verwendet die Standardausgabe für die Datenkommunikation vom Skript zur UiPath Process Mining- Plattform. Wenn Sie Statusmeldungen in Ihr Skript aufnehmen möchten, sollten Sie sie stattdessen in den Standardfehler schreiben.
Als Nächstes richten Sie eine Datenquellentabelle in der App ein, die das Skript aufruft. Beginnen Sie mit einigen Dummy-Daten, da Ihr Skript die Daten noch nicht verarbeitet. Zu diesem Zeitpunkt wird überprüft, ob das Skript wie erwartet ausgeführt wird, dh dass Sie die Meldung „Hello world!“ sehen können. Nachricht.
Schritt |
Aktion |
---|---|
1 |
Öffnen Sie die App in Ihrer Entwicklungsumgebung. |
2 |
Wechseln Sie zur Registerkarte Daten und erstellen Sie eine neue Verbindungszeichenfolgentabelle. |
3 |
Benennen Sie
New_table in PythonExample um.
|
4 |
Klicken Sie mit der rechten Maustaste auf die Tabelle
PythonExample und wählen Sie Erweitert > Optionen…aus.
|
5 |
Legen Sie im Dialogfeld Tabellenoptionen den Tabellenbereich auf Arbeitsbereichfest. |
6 |
Doppelklicken Sie auf die Tabelle
PythonExample , um das Fenster Verbindungszeichenfolgentabelle bearbeiten zu öffnen.
|
7 |
Geben Sie Folgendes als Verbindungszeichenfolge ein: ``'driver={mvscript |
8 |
Geben Sie Folgendes als Abfrage ein: ``''
„#10“ im inputData-Beispiel gibt New-Line-Zeichen an. Ie Wir definieren die folgenden Dummy-CSV-Daten:
|
9 |
Klicken Sie auf OK. |
10 |
Klicken Sie auf JA. |
Die Tabellenaktualisierung schlägt fehl, und im Fehlerprotokoll sollten Sie „Hello World!“ sehen. Nachricht
Der Speicherort der Skriptdatei wird durch den Tabellenbereich bestimmt. Dies kann entweder auf Server oder Arbeitsbereichoder auf Keinefestgelegt werden. Wenn auf Nonefestgelegt, ist der Pfad zur Skriptdatei absolut. Wenn es auf Server oder Arbeitsbereichfestgelegt ist, wird der Speicherort des Skripts als relativer Pfad interpretiert.
.CSV
-Format exportiert, damit das Python-Skript sie einlesen kann.
In diesem Beispiel haben wir eine Anwendung mit einer Cases -Tabelle und einer Events -Tabelle. Siehe Abbildung unten.
Führen Sie die folgenden Schritte aus.
Schritt |
Aktion |
---|---|
1 |
Erstellen Sie eine neue globale Tabelle,
PythonInputData .
|
2 |
Fügen Sie ein neues Ausdrucksattribut hinzu,
PythonInputData_Amount .
|
3 |
Legen Sie den Typ auf Lookup fest. |
4 |
Legen Sie die Eingabetabelle auf Cases_base fest . |
5 |
Legen Sie den Ausdruck auf
listtojson(text(double(records.Amount))) .
|
6 |
Legen Sie die Ausdrucksebene auf root fest. |
7 |
Klicken Sie auf OK. |
8 |
Fügen Sie ein weiteres Lookup-Ausdrucksattribut für die Case_ID hinzu. Legen Sie den Ausdruck auf
listtojson(text(double(records.Case_ID))) .
|
csvtable()
-Funktion verwendet wird, um die Daten in das .CSV
-Format umzuwandeln, das eine Liste von (Text-)Datensätzen erwartet.
listtojson()
-Funktion erfordert, dass ihre Eingabe vom Typ Text ist, hängt das Format der Datensätze in der resultierenden CSV-Datei vom Typ des ausgewählten Attributs (in diesem Fall hat Betrag vom Typ Währung) und der derzeit aktiven Anzeige ab. formatieren. Hier wird der Währungstyp in „double“ konvertiert, um das Analysieren der Datensätze später im Python-Skript zu erleichtern.
Aktualisieren Sie in Ihrem Texteditor die Datei script.py mit dem folgenden Code.
#!/usr/bin/python
import csv
import sys
def debug(message):
sys.stderr.write(message)
# Read the CSV header. This is used so that the script will output the fields
# in the same order that they were read in. This step is optional.
column_order = [];
with open(sys.argv[1]) as csv_file:
reader = csv.reader(csv_file, delimiter=';')
column_order = next(reader)
# Process the input file
with open(sys.argv[1]) as csv_file:
reader = csv.DictReader(csv_file, delimiter=';')
# Construct the output writer.
writer = csv.DictWriter(
sys.stdout,
column_order,
delimiter=';',
restval='',
quoting=csv.QUOTE_ALL
)
writer.writeheader()
for row in reader:
# Get data from row
case_id = row['Case_ID']
amount = int(row['Amount'])
# Do computation
amount = amount * 2
# Write results
writer.writerow({'Case_ID': case_id, 'Amount': amount})
# Exit indicating success
exit(0)
#!/usr/bin/python
import csv
import sys
def debug(message):
sys.stderr.write(message)
# Read the CSV header. This is used so that the script will output the fields
# in the same order that they were read in. This step is optional.
column_order = [];
with open(sys.argv[1]) as csv_file:
reader = csv.reader(csv_file, delimiter=';')
column_order = next(reader)
# Process the input file
with open(sys.argv[1]) as csv_file:
reader = csv.DictReader(csv_file, delimiter=';')
# Construct the output writer.
writer = csv.DictWriter(
sys.stdout,
column_order,
delimiter=';',
restval='',
quoting=csv.QUOTE_ALL
)
writer.writeheader()
for row in reader:
# Get data from row
case_id = row['Case_ID']
amount = int(row['Amount'])
# Do computation
amount = amount * 2
# Write results
writer.writerow({'Case_ID': case_id, 'Amount': amount})
# Exit indicating success
exit(0)
Führen Sie die folgenden Schritte aus.
Schritt |
Aktion |
---|---|
1 |
Laden Sie das neue Skript in den Arbeitsbereich hoch, überschreiben Sie die vorhandene Datei und kehren Sie zur Anwendung zurück. |
2 |
Klicken Sie mit der rechten Maustaste auf die Tabelle
PythonExample und wählen Sie Bearbeiten…aus.
|
3 |
Ändern Sie den Parameter
inputData der Abfragezeichenfolge für die Tabelle PythonExample :
Siehe Abbildung unten. |
4 |
Klicken Sie auf OK. |
5 |
Klicken Sie auf JA (2x). |
6 |
Klicken Sie auf OK. |
PythonExample
hat jetzt zwei Datenquellenattribute, Amount und Case_ID. Siehe Abbildung unten.
Die Überprüfung des Attributs Betrag zeigt, dass alle Beträge mit zwei multipliziert wurden. In der Abbildung unten sehen Sie ein Beispiel für die Ausgabe, die vom Python-Skript generiert wird.